指纹匹配算法论文-崔丽珍,王巧利,李丹阳,史明泉,赫佳星

指纹匹配算法论文-崔丽珍,王巧利,李丹阳,史明泉,赫佳星

导读:本文包含了指纹匹配算法论文开题报告文献综述及选题提纲参考文献,主要关键词:指纹匹配定位,隶属度函数,自适应模糊神经推理,动态补偿RSSI

指纹匹配算法论文文献综述

崔丽珍,王巧利,李丹阳,史明泉,赫佳星[1](2019)在《基于模糊神经的井下指纹匹配定位算法研究》一文中研究指出针对煤矿井下环境复杂多变,无线信号易受影响,以及构建指纹数据库困难,定位精度不高等问题,提出一种基于ANFIS的井下指纹匹配定位算法。通过对该算法以及煤矿井下时变特性的研究分析,构建出一种煤矿井下的自适应模糊神经推理系统,并通过仿真模拟对该系统方案进行了检验,实验结果表明,基于模糊神经的井下指纹匹配定位算法的定位误差为1.96m,此算法在减少创建指纹数据库工作量的同时,很大程度地提高定位精度,可满足煤矿井下巷道的实时定位需求。(本文来源于《矿业研究与开发》期刊2019年10期)

项婉,单志龙,冯国君[2](2019)在《基于对数正态模型的二次匹配指纹定位算法》一文中研究指出针对复杂室内环境WiFi信号不稳定导致指纹定位算法定位精度不高的问题,对AP选择、指纹库构建和定位算法进行研究,分别提出了基于对数正态模型的AP选择方法、RSSI虚拟指纹库构建方法以及基于对数正态模型的二次匹配指纹定位算法。在离线阶段,通过拟合对数正态模型对WiFi信号建模,筛选出最契合模型的AP,并构建RSSI指纹库和虚拟指纹库。在线定位阶段,待定位节点在匹配RSSI指纹库的基础上,利用AP的契合度修正欧氏距离相似度,找出相似度更高的指纹点,初步确定待定位节点区域,接着二次匹配虚拟指纹库进行精准定位。实际环境实验结果表明,本文提出的方法突出了不同AP设备对定位造成的影响,能减少离线阶段指纹采集的工作量,有效的提高了定位精度。(本文来源于《传感技术学报》期刊2019年09期)

周骁健,王运锋[3](2019)在《复杂环境下基于RSSI指纹匹配的室内定位改进算法》一文中研究指出改进复杂室内环境下基于RSSI指纹匹配的定位算法。整体上,采用"先定区后定位"的思路,以减小整体计算量,并在小范围内实现更准确的定位。另外,在指纹库建立阶段,考虑垂直高度的影响和噪点的滤除;在数据接收阶段,选择基于前一周期报告值的限幅滤波算法,以平滑报告值的波动。最后,在实际定位阶段,改进WKNN算法采用基于欧氏距离的加权法,并通过曲线拟合确定本实验环境下的最佳C值。实验证明该套改进算法,可以明显降低复杂环境下的定位误差。(本文来源于《现代计算机》期刊2019年27期)

史晶[4](2019)在《基于遗传算法的指纹图匹配算法及应用研究》一文中研究指出针对目前在公安和身份确认等领域得到广泛应用的自动指纹识别,在简单介绍其分类和指纹匹配要求的基础上,结合指纹匹配基本原理与现有方法,提出一种以遗传算法为基础的新型匹配算法。目前,在高层次匹配当中引入这一方法,能以指纹细节点具有的特征为依据完成初匹配,取得了显着成效,可将其作为日后研究和发展重点。(本文来源于《科学大众(科学教育)》期刊2019年09期)

李靖[5](2019)在《基于指纹匹配的NB-IoT终端定位算法研究》一文中研究指出随着物联网产业快速发展,其在与传统产业密切结合的同时,借助云计算、大数据等技术构建起了万物互联的生态系统。因具有低功耗、低成本、大连接、广覆盖等优点,窄带物联网(Narrow Band Internet of Things,NB-IoT)逐渐成为物联网主要通信传输技术之一,广泛应用于共享单车、远程抄表、物流跟踪等业务场景中。终端的定位以及位置服务是物联网主要业务特性,因此,研究高精度低成本的NBIoT终端定位技术方案对于推动NB-IoT产业发展显得尤为重要。本文旨在研究NBIoT定位技术并提高其定位精度,具体工作包括以下几个方面:首先,本文分析NB-IoT网络的终端定位关键技术,包括NB-IoT的网络构架、物理层帧结构和定位标准协议原理等,重点研究基于NB-IoT网络的定位技术原理和算法。结合定位的业务场景和性能需求,本文选择基于场景分析的定位技术作为NB-IoT终端定位的关键技术,并以此技术开展算法研究和定位方案设计。其次,针对在场景分析的定位技术中,指纹匹配的搜索时间随指纹库的数据量增加而线性增加的问题,本文研究了一种快速定位算法解决方案。算法主要思想是,针对传统聚类算法对于子分区边界点的分类误差大的问题,引入基于模糊c均值的聚类算法,通过最大隶属度值进行子分区快速定位;针对欧式距离不能有效衡量信号距离与实际距离的映射关系的问题,研究基于大间隔最近邻的分区度量学习,提升指纹匹配精度。然后,针对位置估计仅采用基于信号距离的加权平均算法不能准确定位终端位置的问题,本文提出一种基于信号距离映射实际距离的K近邻定位改进算法。该算法通过多项式拟合方式学习K近邻点的信号距离和实际距离的映射关系,构建待定位终端与K近邻点的实际距离,并结合最小二乘算法实现位置估计。针对NB-IoT终端适用于低速移动的应用场景,研究并对比了轨迹融合定位算法。最后,本文利用MATLAB工具搭建NB-IoT终端的定位算法验证平台,并对提出的定位方案进行了仿真、验证和优化。仿真实验结果表明,提出的基于指纹匹配的NB-IoT终端定位方案在指纹搜索速度和定位精度方面都有一定的提高。(本文来源于《重庆邮电大学》期刊2019-06-02)

姚丽莎,张怡文,李春梅[6](2019)在《多小波融合策略的分段式指纹匹配算法》一文中研究指出针对现有指纹匹配算法准确率低、易受指纹复杂形变影响等缺陷,将多小波理论融合策略与分段式理论相结合,提出多小波融合策略的分段式指纹匹配算法。算法将指纹进行多小波基分解提取特征向量,依据DS证据理论融合得到总特征向量。提出采用归一化局部能量加权互信息匹配度,并以此完成局部初匹配。在此基础上,采用可变大小界限盒法进行全局再匹配。实验结果表明:提出的算法有效提高了算法的准确率,同时也有效避免了指纹复杂形变等因素对指纹匹配算法精度的影响。(本文来源于《传感器与微系统》期刊2019年04期)

徐世武,吴怡,苏国栋[7](2019)在《基于正交频分复用调制的可见光通信指纹匹配定位算法》一文中研究指出提出了一种基于正交频分复用(OFDM)调制的室内可见光通信指纹匹配定位算法(FMLA-OFDM)。实验表明,相比于传统的质心定位算法,所提算法平均定位精度提高了56%,定位稳定性提高了55%;随着LED水平间距的增大,所提算法定位精度明显优于基于最小二乘法模型的定位精度;相比于基于二进制启闭键控(OOK)调制方式的模型,所提算法的平均定位精度提高了17%,定位稳定性提高了21%。(本文来源于《激光与光电子学进展》期刊2019年09期)

秦帅[8](2018)在《基于细节点空间拓扑关系的指纹交叉库匹配算法研究》一文中研究指出指纹识别技术作为目前主要的身份识别方式之一,以其较高的安全性、可靠性以及便利性被广泛应用于社会各个领域。指纹识别领域在大面积指纹识别、高质量指纹识别、成年指纹识别以及单一数据库指纹识别等方面的技术已经非常成熟,而在小面积指纹识别、低质量指纹识别、婴幼儿指纹识别和交叉库指纹识别等方面,识别精度还有待提高,识别算法和相关理论还需要深入探索。交叉库指纹识别是指将来自于不同采集仪的指纹进行匹配的过程。由于指纹图像来自不同原理和规格的传感器,导致待匹配指纹间存在较大的非线性形变、尺度缩放和旋转平移变化,相对于常规的指纹匹配,交叉库指纹之间的识别率较低。交叉库指纹识别已经成为目前指纹识别领域的研究热点之一。本文针对交叉库指纹间较大非线性形变的问题,深入研究基于细节点空间拓扑关系的匹配方法,主要包括:(1)提出了一种基于细节点的混合特征算子。在经典细节点方向算子的基础上,融合了指纹频率信息,并将其用以指纹匹配。通过特征融合,增加了指纹细节点匹配的准确性,为后续的交叉库指纹匹配打下了良好的基础。(2)提出一种细节点空间特征融合的交叉库指纹识别算法。该算法针对交叉库指纹图像间较大非线性形变的问题,将细节点混合特征描述子与传播算法相结合,在匹配过程中使用细节点空间拓补结构作为约束条件,实现了交叉库指纹间的精确匹配。(3)实现了交叉库指纹细节点特征和脊线特征的结合。在传播算法的基础上,添加受非线性形变影响较小的脊线计数特征,并获取脊线相似度。将细节点和脊线的相似度分数相融合作为图像的匹配分数,使细节点信息和脊线信息能够相互补充,达到较低的EER值。本文对提出的创新算法在Fingerpass的叁个子数据库上进行了交叉匹配实验,结果显示:针对较大形变的交叉库指纹匹配,本文算法的最优EER值为2.01%,平均EER达到2.28%,相对于其他算法,性能有明显提高,验证了本文方法的有效性。(本文来源于《西安电子科技大学》期刊2018-06-01)

孔祥雯[9](2018)在《面向移动终端的部分指纹匹配算法研究与实现》一文中研究指出目前大多数移动终端采用的都是小型指纹传感器,只能捕捉到部分指纹图像,录入的部分指纹图像无法提供充足的细节点特征。因此,传统基于细节点的指纹匹配算法无法应用于移动终端。同时,移动支付等使用指纹识别系统的应用软件,对指纹匹配算法提出了更高的要求。新的针对移动终端的更精确、更安全、更高效的部分指纹匹配算法的研究势在必行。本文从基于细节点柱状编码结构(Minutia Cylinder-Code,MCC)的常规指纹匹配算法中得到启发,通过分析及实验,提出了基于特征点柱状编码结构(Modified Feature Point Cylinder Code,MFPCC)的部分指纹匹配算法。MFPCC 结构对原始MCC结构做出了两方面的改进。其一,结构通过改变原始MCC结构的贡献度计算方式,将柱状体高度降低一半,在保证匹配性能的同时,大幅度减小了计算复杂度,解决了原始MCC结构冗余和构建时间较长的问题;其二,结构扩展了原始MCC的特征选择范围,其不仅可以与细节点结合形成改进的细节点柱状编码结构(Modified Feature Point Cylinder Code-Minutia,MFPCC-M),还可以与脊采样点结合,形成改进的脊采样点柱状编码结构(Modified Feature Point Cylinder Code-Ridge Point,MFPCC-RP),解决了由于传感器面积太小导致的特征缺失问题。本文提出的基于MFPCC的部分指纹匹配算法分为特征结构建立、局部匹配和全局匹配叁个阶段。在特征结构建立阶段,分别对细节点和脊采样点建立MFPCC-M结构和MFPCC-RP结构;在局部匹配阶段,分别对MFPCC-M结构和MFPCC-RP结构使用二进制向量相关性计算局部相似度;在全局匹配阶段,分别对细节点对和脊采样点对使用局部相似度松弛算法(Local Similarity Assignment with Relaxation,LSA-R)进行筛选,惩罚错误匹配对相似度的同时增强正确匹配对相似度,最终匹配分数将会通过综合考虑MFPCC-M结构和MFPCC-RP结构的全局匹配结果得出。本文提出的算法保持了原始MCC算法的指纹平移旋转不变性、噪音和指纹细节点提取错误鲁棒性、面向二进制编码性和低可逆性,并且满足移动终端上部分指纹识别系统对于指纹图像方向的包容性、指纹皮肤状态的鲁棒性、匹配高效性和模板安全性的要求。本文在FVC2002和FVC2004数据库上对本算法进行了实验,并与四个着名的匹配算法进行了比较。结果表明,本文提出的算法在等错率、安全性和匹配速度上具有较好的综合性能和突出的适用于轻架构的能力。(本文来源于《山东大学》期刊2018-05-19)

干建勇[10](2018)在《基于ZigBee位置指纹匹配法的室内定位算法研究》一文中研究指出随着互联网和无线技术的迅速发展,利用移动设备获取位置服务正从各个方面影响着人们的学习和生活。虽然在空旷的室外环境下,GPS等定位系统能有效地进行定位;但是在复杂的室内环境中,由于无线信号在穿透遮挡物时会产生较为严重的衰减,导致卫星定位系统定位精度低。因此现如今,以ZigBee网络为基础实现位置指纹匹配定位是解决该难题的一个合理方案。本文以能够为室内用户提供精确的定位信息为研究目标,对基于位置指纹匹配的ZigBee室内定位技术中的叁个关键环节进行了研究与分析。针对基于ZigBee位置指纹室内定位技术中的叁个关键环节(指纹数据库的建立、参考节点的选择、定位结果的预测)存在的不足,本文搭建了一套完整的ZigBee室内定位系统。本文首先从降低ZigBee信号的波动性入手,对ZigBee信号强度进行修正,以此来提高定位系统的准确性。分析了时间变化、动态环境、人员走动等因素对ZigBee信号的影响,针对ZigBee信号具有时变性这一特点,采用改进z分数法对离线阶段采样的信号强度数据集进行预处理。实验结果表明,该方法能有效地剔除大幅度变化的畸变值,从而建立更加准确的位置指纹数据库,以此提高了系统的定位精度。其次,为提高位置指纹匹配法的定位预测精度,本文提出了一种基于改进堆迭自编码器的深层神经网络算法。在堆迭自编码器中引入了ReLu激活函数和Adam优化算法,通过改进堆迭自编码器进行特征提取和参数优化,然后将特征提取后的信息通过深层神经网络进行非线性回归预测,建立ZigBee信号特征与目标位置信息的定位模型,通过该模型来实现对未知位置的定位预测。实验结果表明:该算法能有效地降低ZigBee信号强度波动带来的随机性对系统定位精度的影响,在定位精度与系统高可用性之间达到不错的平衡。最后,针对ZigBee路由器并非全部可用和定位子区域与ZigBee路由器(ZigBee Router,ZR)节点之间相关性的不足,提出了基于K均值聚类和强相关性ZR节点选择的算法,将室内区域聚类并划分成若干个子区域,并分别计算各个子区域与ZR节点之间的相关性,选取相关性强的ZR节点作为该子区域的训练节点,通过基于改进堆迭自编码器的深层神经网络模型进行定位模型训练并预测。实验结果表明,该方法可以有效地选择位置分辨能力强的ZR节点以及减小失效ZR节点对定位精度的影响。(本文来源于《上海师范大学》期刊2018-04-01)

指纹匹配算法论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

针对复杂室内环境WiFi信号不稳定导致指纹定位算法定位精度不高的问题,对AP选择、指纹库构建和定位算法进行研究,分别提出了基于对数正态模型的AP选择方法、RSSI虚拟指纹库构建方法以及基于对数正态模型的二次匹配指纹定位算法。在离线阶段,通过拟合对数正态模型对WiFi信号建模,筛选出最契合模型的AP,并构建RSSI指纹库和虚拟指纹库。在线定位阶段,待定位节点在匹配RSSI指纹库的基础上,利用AP的契合度修正欧氏距离相似度,找出相似度更高的指纹点,初步确定待定位节点区域,接着二次匹配虚拟指纹库进行精准定位。实际环境实验结果表明,本文提出的方法突出了不同AP设备对定位造成的影响,能减少离线阶段指纹采集的工作量,有效的提高了定位精度。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

指纹匹配算法论文参考文献

[1].崔丽珍,王巧利,李丹阳,史明泉,赫佳星.基于模糊神经的井下指纹匹配定位算法研究[J].矿业研究与开发.2019

[2].项婉,单志龙,冯国君.基于对数正态模型的二次匹配指纹定位算法[J].传感技术学报.2019

[3].周骁健,王运锋.复杂环境下基于RSSI指纹匹配的室内定位改进算法[J].现代计算机.2019

[4].史晶.基于遗传算法的指纹图匹配算法及应用研究[J].科学大众(科学教育).2019

[5].李靖.基于指纹匹配的NB-IoT终端定位算法研究[D].重庆邮电大学.2019

[6].姚丽莎,张怡文,李春梅.多小波融合策略的分段式指纹匹配算法[J].传感器与微系统.2019

[7].徐世武,吴怡,苏国栋.基于正交频分复用调制的可见光通信指纹匹配定位算法[J].激光与光电子学进展.2019

[8].秦帅.基于细节点空间拓扑关系的指纹交叉库匹配算法研究[D].西安电子科技大学.2018

[9].孔祥雯.面向移动终端的部分指纹匹配算法研究与实现[D].山东大学.2018

[10].干建勇.基于ZigBee位置指纹匹配法的室内定位算法研究[D].上海师范大学.2018

标签:;  ;  ;  ;  

指纹匹配算法论文-崔丽珍,王巧利,李丹阳,史明泉,赫佳星
下载Doc文档

猜你喜欢